Few-shot prompting (guida con pochi esempi)
Tecnica di prompt engineering in cui si forniscono all'intelligenza artificiale alcuni esempi pratici per guidare con precisione la risposta attesa.
Il few-shot prompting è una tecnica di formulazione delle istruzioni per l'intelligenza artificiale che consiste nell'inserire nel prompt alcuni esempi completi di input e del relativo output atteso, prima di presentare il compito finale da risolvere. Invece di limitarsi a spiegare una regola in modo teorico, l'utente mostra direttamente al modello linguistico come deve comportarsi attraverso due, tre o quattro casi pratici già risolti.
Questo approccio sfrutta la naturale capacità dei modelli di riconoscere schemi ricorrenti nel testo. Quando l'algoritmo analizza la sequenza di esempi, intuisce istantaneamente la struttura sintattica, il registro comunicativo, il livello di sintesi e i vincoli logici richiesti, replicandoli sul nuovo dato senza bisogno di ulteriori spiegazioni prolisse.
Come funziona: la logica dell'apprendimento nel contesto
Per comprendere l'efficacia del few-shot, si può pensare all'inserimento di un nuovo collaboratore in uno studio professionale o in una segreteria comunale. Se gli si consegna un manuale di cinquanta pagine sui criteri di catalogazione delle pratiche edilizie, la possibilità di fraintendimento resta alta. Se invece gli vengono mostrate tre cartelle già compilate nel modo corretto spiegando: «guarda come abbiamo estratto i dati da queste tre domande, ora fai lo stesso con la quarta», il lavoro procederà in modo rapido e lineare.
Nel contesto dell'intelligenza artificiale, gli esempi inseriti non modificano i pesi interni del modello e non costituiscono un riaddestramento. Agiscono unicamente all'interno della finestra di contesto della singola conversazione, offrendo una guida temporanea ma incredibilmente vincolante.
Un esempio pratico: gestire le prenotazioni di un agriturismo
Immaginiamo un agriturismo sulle colline toscane che riceve messaggi confusi via email o WhatsApp e desidera estrarre i dati essenziali per inserirli nel gestionale interno. Una richiesta generica potrebbe generare risposte prolisse o formati imprevedibili. Utilizzando il few-shot prompting, il testo del comando può essere strutturato così:
Input: Salve, siamo la famiglia Rossi, due adulti e una bimba di 4 anni. Vorremmo soggiornare dal 12 al 15 agosto, ci serve anche la culla.
Output: Ospiti: 2 adulti, 1 bambino | Arrivo: 12/08 | Partenza: 15/08 | Note: Culla richiesta
Input: Buongiorno, prenotazione per Marco e Luca, dal 3 al 5 settembre per lavoro. Arriviamo tardi dopo le 21.
Output: Ospiti: 2 adulti | Arrivo: 03/09 | Partenza: 05/09 | Note: Check-in tardivo (dopo le 21)
Input: Ciao, vorrei bloccare una camera matrimoniale per me e mia moglie dal 20 al 22 luglio, possiamo portare il nostro cane?
Output:
Davanti a questa sequenza, il sistema completerà automaticamente l'ultima riga rispettando esattamente il formato sintetico definito nei casi precedenti, estraendo solo i parametri rilevanti senza aggiungere formule di cortesia o commenti non richiesti.
Quando conviene utilizzare questa tecnica
Il few-shot prompting si rivela fondamentale in diversi contesti operativi quotidiani:
- Classificazione di testi: etichettare ticket di assistenza clienti (ad esempio per una bottega artigiana o un negozio online) distinguendo tra problemi di spedizione, resi o richieste di preventivo.
- Estrazione di entità strutturate: convertire descrizioni informali di prodotti in tabelle o file formattati per cataloghi commerciali.
- Adattamento del tono di voce: far redigere post per i social network o newsletter a una casa vinicola o a una pasticceria, mostrando due testi scritti in precedenza per far assorbire all'assistente lo stile caldo e informale tipico del marchio.
- Normalizzazione dei dati: uniformare elenchi di indirizzi, codici fiscali o numeri di telefono italiani scritti con convenzioni grafiche differenti.
Errori comuni da evitare
Uno sbaglio frequente è quello di fornire esempi incoerenti tra loro. Se nel primo esempio la data viene scritta in formato esteso e nel secondo come sequenza numerica, il modello non saprà quale modello seguire e sceglierà a caso. La coerenza del formato è essenziale.
Un altro errore è eccedere nel numero di casi: inserire decine di esempi appesantisce inutilmente il testo, consuma lo spazio di memoria della conversazione e può generare confusione. Nella maggior parte dei compiti quotidiani, due o tre esempi chiari e diversificati offrono un risultato migliore rispetto a un lungo elenco ripetitivo.
Domande frequenti
Quanti esempi servono per un prompt few-shot efficace?
Di solito bastano da due a quattro esempi ben strutturati. Aggiungerne troppi non migliora la precisione e rischia di sprecare spazio utile nella conversazione.
Che differenza c'è tra zero-shot e few-shot prompting?
Nello zero-shot si dà un'istruzione diretta senza alcun esempio di supporto, mentre nel few-shot si mostrano prima alcuni casi risolti per indicare chiaramente il modello da seguire.
Il few-shot prompting modifica la memoria permanente dell'intelligenza artificiale?
No, gli esempi guidano il modello solo durante la singola elaborazione e non modificano il suo addestramento generale.
